Efek Samping NumPy

numpy sangat andal untuk melakukan aritmetika vektor. Namun, jika Anda membandingkan fungsinya dengan daftar Python biasa, ada beberapa perbedaan.

Pertama, array numpy tidak dapat berisi elemen dengan tipe yang berbeda. Jika Anda mencampur tipe, seperti boolean dan integer, numpy akan otomatis mengonversinya ke satu tipe yang sama. Boolean seperti True dan False diperlakukan sebagai 1 dan 0 ketika digabungkan dengan angka, sehingga array akhirnya menjadi bertipe integer.

Kedua, operator aritmetika umum seperti +, -, * dan / memiliki makna yang berbeda untuk daftar Python biasa dan array numpy.

Beberapa baris kode telah disediakan untuk Anda. Cobalah dan pilih yang hasilnya akan cocok dengan ini:

np.array([True, 1, 2]) + np.array([3, 4, False])

Paket numpy sudah diimpor sebagai np.

Jawaban yang mungkin

np.array([True, 1, 2, 3, 4, False])

np.array([4, 3, 0]) + np.array([0, 2, 2])

np.array([1, 1, 2]) + np.array([3, 4, -1])

np.array([0, 1, 2, 3, 4, 5])

Latihan

Efek Samping NumPy

Instruksi

Jawaban yang mungkin

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}Latihan

Instruksi

Jawaban yang mungkin

Latihan